資源描述：
《全基因組重測(cè)序大數(shù)據(jù)分析報(bào)告》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、實(shí)用標(biāo)準(zhǔn)全基因組重測(cè)序數(shù)據(jù)分析1.簡(jiǎn)介(Introduction)通過(guò)高通量測(cè)序識(shí)別發(fā)現(xiàn)denovo的somatic和germline突變，結(jié)構(gòu)變異-SNV，包括重排突變（deletioin,duplication以及copynumbervariation）以及SNP的座位；針對(duì)重排突變和SNP的功能性進(jìn)行綜合分析；我們將分析基因功能（包括miRNA），重組率（Recombination）情況，雜合性缺失（LOH）以及進(jìn)化選擇與mutation之間的關(guān)系；以及這些關(guān)系將怎樣使得在disease（canc
2、er）genome中的mutation產(chǎn)生對(duì)應(yīng)的易感機(jī)制和功能。我們將在基因組學(xué)以及比較基因組學(xué)，群體遺傳學(xué)綜合層面上深入探索疾病基因組和癌癥基因組。實(shí)驗(yàn)設(shè)計(jì)與樣本（1）Case-Control對(duì)照組設(shè)計(jì)；（2）家庭成員組設(shè)計(jì)：父母-子女組（4人、3人組或多人）；初級(jí)數(shù)據(jù)分析1．?dāng)?shù)據(jù)量產(chǎn)出：總堿基數(shù)量、TotalMappingReads、UniquelyMappingReads統(tǒng)計(jì)，測(cè)序深度分析。2．一致性序列組裝：與參考基因組序列（Referencegenomesequence）的比對(duì)分析，利用貝葉斯
3、統(tǒng)計(jì)模型檢測(cè)出每個(gè)堿基位點(diǎn)的最大可能性基因型，并組裝出該個(gè)體基因組的一致序列。3．SNP檢測(cè)及在基因組中的分布：提取全基因組中所有多態(tài)性位點(diǎn)，結(jié)合質(zhì)量值、測(cè)序深度、重復(fù)性等因素作進(jìn)一步的過(guò)濾篩選，最終得到可信度高的SNP數(shù)據(jù)集。并根據(jù)參考基因組信息對(duì)檢測(cè)到的變異進(jìn)行注釋。4．InDel檢測(cè)及在基因組的分布:在進(jìn)行mapping的過(guò)程中，進(jìn)行容gap的比對(duì)并檢測(cè)可信的shortInDel。在檢測(cè)過(guò)程中，gap的長(zhǎng)度為1~5個(gè)堿基。對(duì)于每個(gè)InDel的檢測(cè)，至少需要3個(gè)Paired-End序列的支持。文案大
4、全實(shí)用標(biāo)準(zhǔn)5．StructureVariation檢測(cè)及在基因組中的分布:能夠檢測(cè)到的結(jié)構(gòu)變異類型主要有：插入、缺失、復(fù)制、倒位、易位等。根據(jù)測(cè)序個(gè)體序列與參考基因組序列比對(duì)分析結(jié)果，檢測(cè)全基因組水平的結(jié)構(gòu)變異并對(duì)檢測(cè)到的變異進(jìn)行注釋。高級(jí)數(shù)據(jù)分析1.測(cè)序短序列匹配（ReadMapping）（1）屏蔽掉Y染色體上假體染色體區(qū)域（pseudo-autosomalregion）,將Read與參考序列NCBI36進(jìn)行匹配（包括所有染色體，未定位的contig，以及線粒體序列mtDNA（將用校正的劍橋參考序列做
5、替代）)。采用標(biāo)準(zhǔn)序列匹配處理對(duì)原始序列文件進(jìn)行基因組匹配，將Read與參考基因組進(jìn)行初始匹配；給出匹配的平均質(zhì)量得分分布；（2）堿基質(zhì)量得分的校準(zhǔn)。我們采用堿基質(zhì)量校準(zhǔn)算法對(duì)每個(gè)Read中每個(gè)堿基的質(zhì)量進(jìn)行評(píng)分，并校準(zhǔn)一些顯著性誤差，包括來(lái)自測(cè)序循環(huán)和雙核苷酸結(jié)構(gòu)導(dǎo)致的誤差。（3）測(cè)序誤差率估計(jì)。pseudoautosomalcontigs，shortrepeatregions（包括segmentalduplication，simplerepeatsequence-通過(guò)tandemrepeat識(shí)別算法
6、識(shí)別）將被過(guò)濾；2.SNPCalling計(jì)算（SNPCalling）我們可以采用整合多種SNP探測(cè)算法的結(jié)果，綜合地，更準(zhǔn)確地識(shí)別出SNP。通過(guò)對(duì)多種算法各自識(shí)別的SNP進(jìn)行一致性分析，保留具有高度一致性的SNP作為最終SNP結(jié)果。這些具有高度一致性的SNP同時(shí)具有非常高的可信度。在分析中使用到的SNP識(shí)別算法包括基于貝葉斯和基因型似然值計(jì)算的方法，以及使用連鎖不平衡LD或推斷技術(shù)用于優(yōu)化SNP識(shí)別檢出的準(zhǔn)確性。統(tǒng)計(jì)SNV的等位基因頻率在全基因組上的分布稀有等位基因數(shù)目在不同類別的SNV中的比率分布（a
7、）；SNV的類別主要考慮：（1）無(wú)義（nonsense）,（2）化學(xué)結(jié)構(gòu)中非同義，（3）所有非同義，（4）保守的非同義，（5）非編碼，（6）同義，等類型SNV；另外，針對(duì)保守性的討論，我們將分析非編碼區(qū)域SNV的保守型情況及其分布（圖a,b）文案大全實(shí)用標(biāo)準(zhǔn)3.短插入/缺失探測(cè)（ShortInsertion/Deletion（Indel）Call）(1).計(jì)算全基因組的indel變異和基因型檢出值的過(guò)程計(jì)算過(guò)程主要包含3步：（1）潛在的indel的探測(cè)；（2）通過(guò)局部重匹配計(jì)算基因型的似然值；（3）基于
8、LD連鎖不平衡的基因型推斷和檢出識(shí)別。Indel在X，Y染色體上沒(méi)有檢出值得出。(2).Indel過(guò)濾處理4.融合基因的發(fā)現(xiàn)（FusiongeneDiscovery）選擇注釋的基因信息來(lái)自于當(dāng)前最新版本的EnsembleGene數(shù)據(jù)庫(kù)，RefSeq數(shù)據(jù)庫(kù)和VegaGene數(shù)據(jù)庫(kù)。下面圖例給出的是融合基因的形成，即來(lái)自不同染色體的各自外顯子經(jīng)過(guò)重組形成融合基因的模式圖。5.??結(jié)構(gòu)變異（StructureVariation）結(jié)構(gòu)變異（Stru
